On a analysé les 1300 sites de presse reconnus par le gouvernement, pour savoir s'ils bloquaient les crawlers des IA.
Sur l'échantillon global, 23 % des sites en bloquent au moins un. Le chiffre peut encore monter si on prend uniquement les plus gros sites (ceux qui ont des équipes in-house complètes).
On peut légitimement se demander l'impact sur les prestas GEO.
Déjà, on a vu pas mal de crawlers ignorer les directives du robots.txt : dans ce cas, le problème est réglé.
Deuxième cas quand c'est un user qui déclenche la lecture d'une page : les acteurs IA semblent partir du principe que, puisque c'est un humain qui le demande, ils ne sont pas concernés par les règles qui régissent le comportement des robots.
Ensuite, tous les robots ne sont pas bloqués. La plupart des sites bloquent moins de 8 robots sur les 14 étudiés.
Pour finir, il y a fort à parier que les organes de presse se préparent à une bataille juridique, comme celle qui a déjà eu lieu autour de Google News, et qu'ils prévoient des accords de licences contre rémunération.
C'est déjà le cas avec LeMonde par exemple, qui a communiqué avoir signé un accord avec OpenAI, la société qui édite ChatGPT.
Il y a aussi des LLMs qui scrapent les résultats de Google (Perplexity, Gemini) et d'autres ceux de Bing (Copilot de Microsoft), et un flou artistique sur les autres.
En bref, je m'avance un peu, mais blocage ou pas, ça reste censé de bosser sa marque sur des sites de presse pour espérer être cité plus souvent par des LLMs. C'est un peu expérimental, mais ça, quand on est dans un système en hyper-innovation, c'est malheureusement la règle du jeu.